Lässt sich um 09:30 vorhersagen, ob die RTH-Range über dem Median der letzten 20 Tage liegt (relr ≥ 1)?
Kriterium erfüllt — BSS 13.8 % [9.9 ; 17.7], AUC 71.1 %, Accuracy 65.0 % gegen eine Base Rate von 51.8 %, n = 905 Tage pooled forward.
Kriterium: BSS > 3 und AUC ≥ 60, pooled forward über 2023–2026
| Entscheidungszeitpunkt | 09:30 New York — Bars bis t−1 komplett, Opening Print und alle Ticks der Session t vor 09:30 |
| Zielgröße | relr ≥ 1 — RTH-Range geteilt durch den Median der 20 vorherigen RTH-Ranges |
| Datenfenster | 2020-05-29 bis 2026-08-14 · 1607 Tages-Bars · letzter Tag 2026-08-14 |
| Walk-Forward | Dev ≤ 2022 (nur Definitionen), Test 2023 / 2024 / 2025 / 2026, expanding mit jährlichem Refit |
| Modell | L2-LogReg auf 15 vorregistrierten Set-C-Features, standardisiert auf dem Trainingsfenster; C aus innerer Validierung (letztes Trainingsjahr). Features: gap_atr, abs_gap_atr, on_range_atr, ln_on_relr, on_vol_rel, on_delta_norm, open_pos_on, on_ext_recency, pre_range_share, on_high_vs_rh1_atr, on_low_vs_rl1_atr, open_pos_va, prev_ln_relr_rth, prev_ln_relr_mean5, prev_atr5_atr20 |
| Holdout | Der PX-Holdout ab 2026-05-01 betrifft die PX-Thesen auf dem Tick-Store. Diese Studie ist ein Walk-Forward über 2023 bis 2026 auf Tagesdaten — vom User für die Regime-Runden 1 und 2 ausdrücklich so freigegeben. Jedes Testjahr wird nur aus Daten davor gerechnet; kein Fit sieht seinen eigenen Testabschnitt. |
Jede Zeile ist eine Prognose auf denselben Tagen. Base Rate, Majority und Persistence sind die Baselines; das Modell muss sie schlagen, sonst zählt es nicht.
| Zeile | Jahr | n | Base Rate % | Acc % | AUC % | Brier | BSS % |
|---|---|---|---|---|---|---|---|
| Base Rate | 2023 | 248 | 49.6 | 49.6 | 50.0 | 0.2500 | 0.0 |
| Majority | 2023 | 248 | 49.6 | 49.6 | — | — | — |
| Persistence | 2023 | 248 | 49.6 | 55.2 | 55.1 | 0.2496 | 0.2 |
| Modell (LogReg) | 2023 | 248 | 49.6 | 60.5 | 64.6 | 0.2324 | 7.0 |
| Base Rate | 2024 | 251 | 56.2 | 43.8 | 50.0 | 0.2501 | 0.0 |
| Majority | 2024 | 251 | 56.2 | 43.8 | — | — | — |
| Persistence | 2024 | 251 | 56.2 | 55.0 | 54.5 | 0.2486 | 0.6 |
| Modell (LogReg) | 2024 | 251 | 56.2 | 61.4 | 69.4 | 0.2207 | 11.8 |
| Base Rate | 2025 | 251 | 47.8 | 47.8 | 50.0 | 0.2508 | 0.0 |
| Majority | 2025 | 251 | 47.8 | 47.8 | — | — | — |
| Persistence | 2025 | 251 | 47.8 | 63.3 | 63.1 | 0.2365 | 5.7 |
| Modell (LogReg) | 2025 | 251 | 47.8 | 70.5 | 75.8 | 0.2018 | 19.5 |
| Base Rate | 2026 | 155 | 54.8 | 54.8 | 50.0 | 0.2494 | 0.0 |
| Majority | 2026 | 155 | 54.8 | 54.8 | — | — | — |
| Persistence | 2026 | 155 | 54.8 | 57.4 | 57.6 | 0.2435 | 2.3 |
| Modell (LogReg) | 2026 | 155 | 54.8 | 69.0 | 75.2 | 0.2032 | 18.5 |
| Base Rate | gesamt | 905 | 51.8 | 48.4 | 47.1 | 0.2501 | 0.0 |
| Majority | gesamt | 905 | 51.8 | 48.4 | — | — | — |
| Persistence | gesamt | 905 | 51.8 | 57.8 | 56.2 | 0.2446 | 2.2 |
| Modell (LogReg) | gesamt | 905 | 51.8 | 65.0 | 71.1 | 0.2157 | 13.8 |
Block-Bootstrap (20-Tage-Blöcke, 1000 Läufe, pooled forward): BSS-95-%-Intervall [9.9 ; 17.7].
Konfusionsmatrix pooled: wahr 0 richtig 292 von 436, wahr 1 richtig 296 von 469 (Recall 0 = 67.0 %, Recall 1 = 63.1 %).
Gewählte Regularisierung je Refit — 2023: C = 0.01, n_train = 581 · 2024: C = 3, n_train = 829 · 2025: C = 0.03, n_train = 1080 · 2026: C = 0.3, n_train = 1331.
| Dezil | n | Ø p % | beobachtet % | Differenz |
|---|---|---|---|---|
| 1 | 91 | 24.0 | 24.2 | 0.1 |
| 2 | 91 | 34.3 | 35.2 | 0.8 |
| 3 | 91 | 39.4 | 29.7 | -9.7 |
| 4 | 91 | 43.8 | 49.5 | 5.6 |
| 5 | 91 | 47.4 | 47.3 | -0.2 |
| 6 | 90 | 51.9 | 53.3 | 1.4 |
| 7 | 90 | 57.1 | 51.1 | -6.0 |
| 8 | 90 | 62.0 | 68.9 | 6.9 |
| 9 | 90 | 69.1 | 72.2 | 3.1 |
| 10 | 90 | 82.4 | 87.8 | 5.4 |
Sharpness: p ≥ 0,7 an 14.0 % der Tage (n = 127), dort trifft es 84.3 % · p ≤ 0,3 an 9.0 % (n = 81), dort trifft es 75.3 %.
| Base Rate | die unbedingte Häufigkeit im Trainingsfenster, zugleich die konstante Vergleichsprognose. |
| Baseline | die Zahl, die ein Modell schlagen muss. Hier drei davon: Base Rate, Majority (immer die häufigere Klasse) und Persistence. |
| Persistence | die Prognose „heute wie gestern" — der Wert derselben Zielgröße am Vortag, in eine Rate umgerechnet. |
| BSS | Brier Skill Score: wie viel Prozent des Brier-Scores der Base-Rate-Konstante das Modell einspart. 0 heißt gleich gut, negativ heißt schlechter. |
| AUC | die Wahrscheinlichkeit, dass ein zufälliger positiver Tag höher bewertet wird als ein zufälliger negativer. 50 ist ein Münzwurf. |
| Brier | der mittlere quadratische Fehler der Wahrscheinlichkeit. Kleiner ist besser. |
| Sharpness | an wie viel Prozent der Tage das Modell etwas Deutliches sagt (p ≥ 0,7 bzw. ≤ 0,3) und wie oft es dort trifft. Ein kalibriertes Modell ohne Sharpness ist unbrauchbar. |
| Value Area | das Preisband [rval, rvah], in dem 70 % des RTH-Volumens gehandelt wurde. Hier immer das des Vortags. |
| Trend Day | ein RTH mit Body Ratio ≥ 0,6 — der Körper der Tageskerze füllt mindestens 60 % ihrer Range. |
| Body Ratio | br = |rc − ro| / (rh − rl), gerechnet auf der RTH-Session. |
| relr | RTH-Range geteilt durch den Median der 20 vorherigen RTH-Ranges. relr ≥ 1 heißt: heute ist größer als der typische der letzten vier Wochen. |
| Walk-Forward | jedes Testjahr wird aus einem Modell gerechnet, das nur Daten davor gesehen hat; das Trainingsfenster wächst mit jedem Jahr. Kein Fit sieht seinen eigenen Test. |
Die Zahlen dieses Reports werden bei jedem Publish neu gerechnet — aus data/daily-bars-*.json und data/open-features-*.json, die der Extractor aus dem Tick-Store baut.
Lauf: 1607 Tages-Bars, 0.8 s.